CN112650281B - 多传感器三余度系统、控制方法、无人机、介质及终端 - Google Patents
多传感器三余度系统、控制方法、无人机、介质及终端 Download PDFInfo
- Publication number
- CN112650281B CN112650281B CN202011470915.0A CN202011470915A CN112650281B CN 112650281 B CN112650281 B CN 112650281B CN 202011470915 A CN202011470915 A CN 202011470915A CN 112650281 B CN112650281 B CN 112650281B
- Authority
- CN
- China
- Prior art keywords
- sensor
- unmanned aerial
- aerial vehicle
- groups
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 36
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims abstract description 14
- 238000007781 pre-processing Methods 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000005358 geomagnetic field Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000002939 conjugate gradient method Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Navigation (AREA)
Abstract
本发明属于无人机技术领域,公开了一种多传感器三余度系统、控制方法、无人机、介质及终端,无人机多传感器三余度系统包括飞行状态估计模块、冗余传感器单元、三个对传感器原始数据进行初步解算的预处理模块,以及用于对三组传感器数据进行投票选择的余度管理模块。本发明通过航姿参考系统AHRS算法对三组传感器的原始数据进行预处理,余度管理模块根据姿态解算结果,对三组IMU和磁力计进行有效的投票机制,选出最优的传感器组,作为卡尔曼滤波器的观测信息对无人机运动状态的估计和控制;在几乎不增加成本的前提下,有效提高无人机飞行控制系统的稳定性和可靠性。
Description
技术领域
本发明属于无人机技术领域,尤其涉及一种多传感器三余度系统、控制方法、无人机、介质及终端。
背景技术
无人机飞行控制系统通过收集各个传感器的信息,利用卡尔曼滤波器来对飞机的运动状态进行估计,从而控制飞机实现稳定飞行。其中惯性测量单元(InertialMeasurement Unit,IMU)和磁力计是无人机飞行控制系统中非常重要的传感器设备。IMU中包含一个三轴的加速度计和一个三轴的陀螺仪,分别用于检测无人机三轴的加速度和角速度信息。磁力计用于检测飞机附近的地磁场方向,从而获得飞机的航向信息。通过对IMU和磁力计信息的融合和处理,无人机飞控可以解算出飞机的姿态信息,对于飞机进行飞行控制至关重要。一旦其中某个传感器出现故障,无人机将失去控制,无法正常工作。
现有的无人机为了避免传感器故障导致的飞机失控,通常会对IMU和磁力计进行多余度的冗余备份,一旦出现传感器故障,则切换到备份,提高系统的稳定性。
一般的多冗余系统,通常采用同类型传感器原始数据相互对比的方式,选择出没有故障的器件。但是作为冗余的主备份传感器,通常使用不同型号的器件,他们通常具有不同的数据输出频率。由于缺少数据同步的机制,很难对传感器原始数据进行有效的比较,仅能够根据一些简单的判断逻辑,检测出如数据完全中断等“硬故障”。但此类故障通常很少发生,更多的则是如信号混叠、削波和漂移等“软故障”,通过对比原始数据的方法难以进行诊断。因此,亟需一种新的无人机多传感器三余度系统。
通过上述分析,现有技术存在的问题及缺陷为:
(1)现有小型无人机控制系统,所采用的MEMS级传感器体积小、成本低,但是可靠性差,单一传感器组一旦出现故障,将对飞行造成严重的影响。
(2)现有多传感器冗余系统,通常采用同类型传感器原始数据直接对比的方式,选择出没有故障的器件。由于缺少有效的数据同步手段,仅能够根据一些简单的判断逻辑,检测出如数据完全中断等“硬故障”。
(3)现有多传感器冗余系统,当传感器出现如信号混叠、削波和漂移等“软故障”时,直接对比原始数据通常难以被检测出,将会导致飞机姿态的估计异常。
解决以上问题及缺陷的难度为:
(1)现有小型无人机控制系统,若选用可靠性高的传感器,如机械陀螺、光纤陀螺等,成本较高,且对无人机的重量和体积产生影响。
(2)现有冗余系统选用的主备份传感器,通常使用不同型号的器件,他们有时具有不同的数据输出频率。他们之间的数据无法同步,很难对传感器原始数据进行直接有效的比较。
(3)现有多传感器冗余系统,当传感器出现如信号混叠、削波和漂移等“软故障”时,直接对比原始数据通常难以被检测出,将会导致飞机姿态的估计异常。
解决以上问题及缺陷的意义为:
在飞机整体重量和成本增加几乎可以忽略不计的前提下,提出一种具有三组传感器切换的冗余系统及其控制方法。增加预处理模块,利用AHRS算法对三组传感器首先进行预处理得到姿态解算结果。通过对比预处理的结果来判断三组传感器可能出现的故障,可以有效检测出传感器信号出现混叠、削波和漂移等“软故障”,从而提高无人机飞行的可靠性。
发明内容
针对现有技术存在的问题,本发明提供了一种多传感器三余度系统、控制方法、无人机、介质及终端,旨在解决目前无人机飞行控制系统传感器单元不可靠会造成飞机故障的问题。
本发明是这样实现的,一种无人机多传感器三余度系统,所述无人机多传感器三余度系统包括三组冗余传感器单元、三个预处理模块、余度管理模块和飞行状态估计模块;
三组冗余传感器单元,每组各包括一个由三轴加速度计和三轴陀螺仪组成的IMU,和一个磁力计;加速度计用于检测无人机在载体坐标系中的三轴的加速度,陀螺仪用于检测无人机相对于导航坐标系的角速度信息。磁力计用于检测飞机附近的地磁场方向,从而获得飞机的航向信息。
预处理模块,用于对传感器原始数据进行初步解算。该模块利用AHRS算法融合加速度计、陀螺仪和磁力计的数据,解算出飞机当前的俯仰角、横滚角和航向角等姿态信息;
余度管理模块,用于对预处理模块输出的姿态信息进行监控和判断,利用故障判断逻辑对三组传感器组的故障状态进行比较,选择出无故障最优的一组传感器组进行后续的飞行状态估计。
飞行状态估计模块,用于对无人机所有传感器数据进行融合和滤波,得到当前无人机准确的位置、速度、姿态等运动状态信息,从而实现对无人机的稳定控制;
本发明的另一目的在于提供一种应用所述的无人机多传感器三余度系统的无人机多传感器三余度系统的控制方法,所述无人机多传感器三余度系统的控制方法包括以下步骤:
步骤一,无人机上电后三组传感器同时采集数据,飞行控制软件首先使用默认优先级最高的传感器组作为主传感器组。
步骤二,通过AHRS算法对三组传感器单元进行预处理。Madgwick是最常用的AHRS算法,能够综合多种传感器参数得到飞机的姿态。
步骤三,通过冗余管理算法对预处理的结果进行监控,并对不同情况进行判断。
步骤四,根据冗余管理算法选择出的最优传感器原始数据,作为飞控系统中卡尔曼滤波器的输入信息完成对无人机运动状态的估计。
步骤五,将预处理的结果,与主卡尔曼滤波器对姿态的估计进行对比,如果超过一定阈值,则判断主卡尔曼滤波器可能由于其他测量信息导致对无人机运动状态的估计异常,并判断主卡尔曼滤波器的估计结果的可用性和监测系统的估计状态。
进一步,步骤二中,所述AHRS算法是采用Madgwick法,利用三轴加速度计、三轴陀螺仪和三轴磁力计的数据,解算出无人机俯仰、横滚和偏航角的算法。Madgwick算法的本质是加权整合t时刻的陀螺仪算出的姿态和加速度计磁场计共同算出的姿态/>从而得到最终的姿态/>其加权公式如下。
α1+α2=1 0≤α1≤1,0≤α2≤1
其中,α1和α2是加权系数,它们是由各自的误差占总体误差的比重所决定的,误差所占的比重越小则加权系数越大。设采样时间间隔为Δt。陀螺仪的单位时间的误差β可以通过查陀螺仪的手册得到,一般是一个很小的值,所以陀螺仪的误差为βΔt。而加速度计磁场计共同算出的姿态的误差是由计算方法决定的,计算方法有梯度下降法、高斯牛顿迭代法、牛顿法、共轭梯度法等。
进一步,步骤三中,所述通过冗余管理算法对预处理的结果进行监控,并在如下三种情况进行判断:
(1)如果主传感器组的数据连续N个检测时刻未输出三轴姿态信息,或连续M个检测时刻输出相同的姿态数据,则将主卡尔曼滤波器使用的传感器原始数据设置为优先级第二的传感器组;如果优先级第二的传感器组出现同样的问题,则切换为优先级第三的传感器组。
(2)如果主传感器组的预处理结果中,三轴姿态信息中的任一轴,与另外两组之间的差值均超过阈值X,则将主卡尔曼滤波器使用的传感器原始数据切换为优先级第二的传感器组。
(3)如果某一组传感器组的三轴姿态信息中的任一轴数据,与另外两组之间的差值均超过阈值Y,则将该组传感器组的故障次数kn加一,如果某一组的传感器故障次数kn超过阈值Z,则将该组传感器组的优先级调至最低,Z的取值为20-50之间。
本发明的另一目的在于提供一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行所述的无人机多传感器三余度系统的控制方法。
本发明的另一目的在于提供一种无人机,其特征在于,所述无人机搭载所述的无人机多传感器三余度系统,并执行所述的无人机多传感器三余度系统的控制方法。
本发明的另一目的在于提供一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行所述的无人机多传感器三余度系统的控制方法。
本发明的另一目的在于提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行所述的无人机多传感器三余度系统的控制方法。
本发明的另一目的在于提供一种信息数据处理终端,所述信息数据处理终端用于实现所述的无人机多传感器三余度系统的控制方法。
本发明的另一目的在于提供一种如权利要求所述无人机多传感器三余度系统的控制方法在商业活动表演上的应用。
本发明的另一目的在于提供一种所述无人机多传感器三余度系统的控制方法在公益活动表演上的应用。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:本发明提供的无人机多传感器三余度系统及其控制方法,通过余度管理算法,对三组IMU和磁力计进行有效的投票机制,选择出最优的传感器组,用于无人机运动状态的估计和控制;通过AHRS算法对三组传感器的原始数据进行预处理,解决了多组传感器原始数据之间难以有效比较,无法检测出传感器软故障的问题,提高了无人机飞行控制系统的稳定性和可靠性。
本发明使用AHRS算法对传感器原始数据进行预处理,利用预处理得到的三轴姿态结果,根据每组传感器数据解算的姿态信息进行余度管理,选择出最优的传感器组;同时,将预处理的结果,用于判断主卡尔曼滤波器的估计结果的可用性,检测系统的估计状态,解决了不同型号传感器之间数据不同步导致的原始数据无法直接对比的问题,可以有效检测出传感器数据漂移、削波等软故障,控制策略和切换由软件完成,实现简单,可靠性高。
本发明利用AHRS算法对每组IMU和磁力计传感器数据进行预处理,通过传感器冗余管理算法投票选择出最优的传感器组,参与飞行控制系统的融合解算,同时利用相关信息完成对无人机的控制,提高飞行控制系统的安全性和稳定性。通过预处理算法,解决了传感器原始数据难以进行有效比较的问题,提高多余度传感器投票算法对传感器软故障的检测能力。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的无人机多传感器三余度系统结构框图;
图中1、飞行状态估计模块;2、冗余传感器单元;3、预处理模块;4、余度管理模块。
图2是本发明实施例提供的无人机多传感器三余度系统原理图。
图3是本发明实施例提供的无人机多传感器三余度系统的控制方法流程图。
图4是本发明实施例提供的AHRS算法的解算框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种无人机多传感器三余度系统及其控制方法,下面结合附图对本发明作详细的描述。
如图1所示,本发明实施例提供的无人机多传感器三余度系统包括一个飞行状态估计模块1、三组冗余传感器单元2、三个预处理模块3、余度管理模块4;
飞行状态估计模块1,用于融合传感器数据进行无人机运动状态估计和控制;
三组冗余传感器单元2每组包括一个由三轴加速度计和三轴陀螺仪组成的惯性测量单元IMU和一个磁力计;
预处理模块3,用于对传感器原始数据进行初步解算;
余度管理模块4,用于对三组传感器数据进行投票选择。
本发明实施例提供的无人机多传感器三余度系统原理图如图2所示。
如图3所示,本发明实施例提供的无人机多传感器三余度系统的控制方法包括以下步骤:
S101,无人机上电后三组传感器同时采集数据,飞行控制软件首先使用默认优先级最高的传感器组作为主传感器组。
S102,通过AHRS算法对三组传感器单元进行预处理。
S103,通过冗余管理算法对预处理的结果进行监控,对不同情况进行判断。
S104,根据冗余管理算法选择出的最优传感器原始数据,作为飞控系统中卡尔曼滤波器的输入信息完成对无人机运动状态的估计。
S105,将预处理的结果,与主卡尔曼滤波器对姿态的估计进行对比,如果超过一定阈值,则判断主卡尔曼滤波器可能由于其他测量信息导致对无人机运动状态的估计异常,并判断主卡尔曼滤波器的估计结果的可用性和监测系统的估计状态。
下面结合实施例对本发明作进一步描述。
(1)无人机多传感器三余度系统,主要包括一个用于融合传感器数据进行无人机运动状态估计和控制的飞行控制模块;三组采集飞机数据的冗余传感器单元,每组传感器单元包括一个由三轴加速度计和三轴陀螺仪组成的惯性测量单元(IMU),和一个磁力计;三个对传感器原始数据进行初步解算的预处理模块;一个用于对三组传感器数据进行投票选择的余度管理模块。
(2)一种无人机多传感器三余度系统及其方法,其包括以下具体步骤:
步骤1:无人机上电后三组传感器同时采集数据,飞行控制软件首先使用默认优先级最高的传感器组作为主传感器组。
步骤2:通过AHRS算法对三组传感器单元进行预处理。AHRS算法是利用三轴加速度计、三轴陀螺仪和三轴磁力计的数据,解算出无人机俯仰、横滚和偏航角的算法。陀螺仪动态相应特性良好,但计算姿态时会产生累计误差,磁力计和加速度计测量姿态没有累计误差,但动态响应差。他们在频域上特性互补,采用AHRS算法对三种传感器数据进行融合,可得到准确的三轴姿态信息。AHRS算法的解算框图如图4所示。
步骤3:通过冗余管理算法对预处理的结果进行监控,并在如下三种情况进行判断:
3.1如果主传感器组的数据连续N个检测时刻未输出三轴姿态信息,或连续M个检测时刻输出相同的姿态数据,则将主卡尔曼滤波器使用的传感器原始数据设置为优先级第二的传感器组;如果优先级第二的传感器组出现同样的问题,则切换为优先级第三的传感器组。
3.2如果主传感器组的预处理结果中,三轴姿态信息中的任一轴,与另外两组之间的差值均超过阈值X,则将主卡尔曼滤波器使用的传感器原始数据切换为优先级第二的传感器组。
3.3如果某一组传感器组的三轴姿态信息中的任一轴数据,与另外两组之间的差值均超过阈值Y,则将该组传感器组的故障次数kn加一,如果某一组的传感器故障次数kn超过阈值Z,则将该组传感器组的优先级调至最低,Z的取值为20-50之间。
步骤4:根据冗余管理算法选择出的最优传感器原始数据,作为飞控系统中卡尔曼滤波器的输入信息完成对无人机运动状态的估计。
步骤5:将预处理的结果,与主卡尔曼滤波器对姿态的估计进行对比,如果超过一定阈值,则判断主卡尔曼滤波器可能由于其他测量信息导致对无人机运动状态的估计异常。用于判断主卡尔曼滤波器的估计结果的可用性,监测系统的估计状态。
本发明的技术关键点使用AHRS算法对三组传感器的数据进行预处理,利用预处理得到的三轴姿态结果,对三组传感器的原始数据进行余度管理,选择出最优的传感器组。同时,将预处理的结果,用于判断主卡尔曼滤波器的估计结果的可用性,检测系统的估计状态。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种无人机多传感器三余度系统,其特征在于,所述无人机多传感器三余度系统包括:
飞行状态估计模块,用于融合传感器数据进行无人机运动状态估计和控制;
冗余传感器单元,用于采集飞机原始飞行数据;
预处理模块,用于对传感器原始数据进行初步姿态解算;
余度管理模块,用于对预处理模块输出的三组姿态参数进行对比和判断,识别出三组传感器组中的故障,三组传感器数据进行投票选择;
所述冗余传感器单元分为三组,每组分别由一个三轴加速度计,一个三轴陀螺仪和一个三轴磁力计组成;
所述无人机多传感器三余度系统的控制方法包括以下步骤:
无人机上电后三组传感器同时采集数据,飞行控制软件首先使用默认优先级最高的传感器组作为主传感器组;
通过AHRS算法对三组传感器单元进行预处理;
通过冗余管理算法对预处理的结果进行监控,并对不同情况进行判断;
根据冗余管理算法选择出的最优传感器原始数据,作为飞控系统中卡尔曼滤波器的输入信息完成对无人机运动状态的估计;
将预处理的结果,与主卡尔曼滤波器对姿态的估计进行对比,如果超过一定阈值,则判断主卡尔曼滤波器可能由于其他测量信息导致对无人机运动状态的估计异常,并判断主卡尔曼滤波器的估计结果的可用性和监测系统的估计状态。
2.如权利要求1所述的无人机多传感器三余度系统,其特征在于,所述AHRS算法是利用三轴加速度计、三轴陀螺仪和三轴磁力计的数据,解算出无人机俯仰、横滚和偏航角的算法。
3.如权利要求1所述的无人机多传感器三余度系统,其特征在于,所述通过冗余管理算法对预处理的结果进行监控,并在如下三种情况进行判断:
(1)如果主传感器组的数据连续N个检测时刻未输出三轴姿态信息,或连续M个检测时刻输出相同的姿态数据,则将主卡尔曼滤波器使用的传感器原始数据设置为优先级第二的传感器组;如果优先级第二的传感器组出现同样的问题,则切换为优先级第三的传感器组;
(2)如果主传感器组的预处理结果中,三轴姿态信息中的任一轴,与另外两组之间的差值均超过阈值X,则将主卡尔曼滤波器使用的传感器原始数据切换为优先级第二的传感器组;
(3)如果某一组传感器组的三轴姿态信息中的任一轴数据,与另外两组之间的差值均超过阈值Y,则将该组传感器组的故障次数kn加一,如果某一组的传感器故障次数kn超过阈值Z,则将该组传感器组的优先级调至最低,Z的取值为20-50。
4.一种无人机,其特征在于,所述无人机搭载权利要求1~3任意一项所述的无人机多传感器三余度系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011470915.0A CN112650281B (zh) | 2020-12-14 | 2020-12-14 | 多传感器三余度系统、控制方法、无人机、介质及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011470915.0A CN112650281B (zh) | 2020-12-14 | 2020-12-14 | 多传感器三余度系统、控制方法、无人机、介质及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112650281A CN112650281A (zh) | 2021-04-13 |
CN112650281B true CN112650281B (zh) | 2023-08-22 |
Family
ID=75354095
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011470915.0A Active CN112650281B (zh) | 2020-12-14 | 2020-12-14 | 多传感器三余度系统、控制方法、无人机、介质及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112650281B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113296532A (zh) * | 2021-05-19 | 2021-08-24 | 广东汇天航空航天科技有限公司 | 载人飞行器的飞行控制方法和装置、以及载人飞行器 |
CN113177309B (zh) * | 2021-04-23 | 2023-04-07 | 合肥赛为智能有限公司 | 一种基于决策算法的无人机冗余传感器的数据分析方法 |
CN114625155B (zh) * | 2022-05-13 | 2022-08-19 | 向量传感科技(宁波)有限公司 | 自动驾驶软件三重冗余管理系统及方法 |
CN115236227A (zh) * | 2022-07-15 | 2022-10-25 | 华北电力科学研究院有限责任公司 | 在线色谱入网检测方法及系统 |
Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5626140A (en) * | 1995-11-01 | 1997-05-06 | Spacelabs Medical, Inc. | System and method of multi-sensor fusion of physiological measurements |
JP2003262269A (ja) * | 2002-03-11 | 2003-09-19 | Aisin Aw Co Ltd | 自動変速機の制御装置 |
JP4981976B1 (ja) * | 2011-01-27 | 2012-07-25 | 有限会社アールファイブ | 変動値予測システム、在庫管理システム、プログラム、記憶媒体 |
CN103440418A (zh) * | 2013-08-30 | 2013-12-11 | 中南大学 | 基于自组织卡尔曼滤波的多传感器主动容错估计方法 |
JP2014215822A (ja) * | 2013-04-25 | 2014-11-17 | 日本電信電話株式会社 | 状態推定装置、方法、及びプログラム |
CN104678764A (zh) * | 2015-01-28 | 2015-06-03 | 北京航空航天大学 | 基于解析重构信号的飞控系统传感器混合余度方法 |
CN105867414A (zh) * | 2016-04-18 | 2016-08-17 | 浙江大学 | 一种多传感器冗余备份的无人机飞行控制系统 |
CN106403940A (zh) * | 2016-08-26 | 2017-02-15 | 杨百川 | 一种抗大气参数漂移的无人机飞行导航系统高度信息融合方法 |
CN106595578A (zh) * | 2017-01-25 | 2017-04-26 | 上海拓攻机器人有限公司 | 一种基于多传感器信息融合的无人机高度测量方法及系统 |
CN106709250A (zh) * | 2016-12-22 | 2017-05-24 | 河海大学 | 一种基于并行Kalman算法的数据流异常检测方法 |
CN106864462A (zh) * | 2015-12-09 | 2017-06-20 | 现代自动车株式会社 | 用于高级驾驶辅助系统用传感器的故障诊断和校准的装置和方法 |
WO2018053449A1 (en) * | 2016-09-16 | 2018-03-22 | Blast Motion Inc. | Motion capture system that combines sensors with different measurement ranges |
CN207908981U (zh) * | 2018-03-26 | 2018-09-25 | 东汉太阳能无人机技术有限公司 | 一种无人机飞控系统 |
CN109916395A (zh) * | 2019-04-04 | 2019-06-21 | 山东智翼航空科技有限公司 | 一种姿态自主冗余组合导航算法 |
CN109976141A (zh) * | 2019-04-13 | 2019-07-05 | 成都飞机工业(集团)有限责任公司 | Uav传感器信号余度表决系统 |
CN110567457A (zh) * | 2019-09-09 | 2019-12-13 | 深圳市科卫泰实业发展有限公司 | 一种基于冗余的惯导自检测系统 |
CN111077906A (zh) * | 2019-12-27 | 2020-04-28 | 一飞(海南)科技有限公司 | 一种基于rfid集群内部导航定位系统、方法 |
CN111141286A (zh) * | 2020-03-12 | 2020-05-12 | 江苏蓝鲸智慧空间研究院有限公司 | 一种无人机飞控多传感器姿态置信解算方法 |
CN111260751A (zh) * | 2020-01-13 | 2020-06-09 | 南京邮电大学 | 基于多传感器移动机器人的建图方法 |
CN111351482A (zh) * | 2020-03-19 | 2020-06-30 | 南京理工大学 | 基于误差状态卡尔曼滤波的多旋翼飞行器组合导航方法 |
CN111997881A (zh) * | 2020-08-13 | 2020-11-27 | 优众新能源(深圳)股份有限公司 | 一种用于供水的智能变频恒压控制系统 |
CN112070170A (zh) * | 2020-09-10 | 2020-12-11 | 南京航空航天大学 | 一种动态残差阈值自适应四元数粒子滤波姿态解算数据融合方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006226135A (ja) * | 2005-02-15 | 2006-08-31 | Honda Motor Co Ltd | マニホルド圧力センサの故障診断方法および装置 |
AU2010267768B2 (en) * | 2009-06-29 | 2014-06-12 | Bae Systems Plc | Estimating a state of at least one target using a plurality of sensors |
GB201322062D0 (en) * | 2013-12-13 | 2014-01-29 | Optimized Systems And Solutions Ltd | System abnormalities |
US10241130B2 (en) * | 2015-08-18 | 2019-03-26 | Microsemi SoC Corporation | Circuit and method to detect failure of speed estimation/speed measurement of a multi-phase AC motor |
US10037025B2 (en) * | 2015-10-07 | 2018-07-31 | Business Objects Software Ltd. | Detecting anomalies in an internet of things network |
JP2017076334A (ja) * | 2015-10-16 | 2017-04-20 | 株式会社日立製作所 | 管理サーバ及び管理システム及び管理方法 |
JP6568159B2 (ja) * | 2017-07-28 | 2019-08-28 | ファナック株式会社 | モータ制御装置 |
FR3086052B1 (fr) * | 2018-09-13 | 2020-10-02 | Ixblue | Système de localisation, et procédé de localisation associé |
-
2020
- 2020-12-14 CN CN202011470915.0A patent/CN112650281B/zh active Active
Patent Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5626140A (en) * | 1995-11-01 | 1997-05-06 | Spacelabs Medical, Inc. | System and method of multi-sensor fusion of physiological measurements |
JP2003262269A (ja) * | 2002-03-11 | 2003-09-19 | Aisin Aw Co Ltd | 自動変速機の制御装置 |
JP4981976B1 (ja) * | 2011-01-27 | 2012-07-25 | 有限会社アールファイブ | 変動値予測システム、在庫管理システム、プログラム、記憶媒体 |
JP2014215822A (ja) * | 2013-04-25 | 2014-11-17 | 日本電信電話株式会社 | 状態推定装置、方法、及びプログラム |
CN103440418A (zh) * | 2013-08-30 | 2013-12-11 | 中南大学 | 基于自组织卡尔曼滤波的多传感器主动容错估计方法 |
CN104678764A (zh) * | 2015-01-28 | 2015-06-03 | 北京航空航天大学 | 基于解析重构信号的飞控系统传感器混合余度方法 |
CN106864462A (zh) * | 2015-12-09 | 2017-06-20 | 现代自动车株式会社 | 用于高级驾驶辅助系统用传感器的故障诊断和校准的装置和方法 |
CN105867414A (zh) * | 2016-04-18 | 2016-08-17 | 浙江大学 | 一种多传感器冗余备份的无人机飞行控制系统 |
CN106403940A (zh) * | 2016-08-26 | 2017-02-15 | 杨百川 | 一种抗大气参数漂移的无人机飞行导航系统高度信息融合方法 |
WO2018053449A1 (en) * | 2016-09-16 | 2018-03-22 | Blast Motion Inc. | Motion capture system that combines sensors with different measurement ranges |
CN106709250A (zh) * | 2016-12-22 | 2017-05-24 | 河海大学 | 一种基于并行Kalman算法的数据流异常检测方法 |
CN106595578A (zh) * | 2017-01-25 | 2017-04-26 | 上海拓攻机器人有限公司 | 一种基于多传感器信息融合的无人机高度测量方法及系统 |
CN207908981U (zh) * | 2018-03-26 | 2018-09-25 | 东汉太阳能无人机技术有限公司 | 一种无人机飞控系统 |
CN109916395A (zh) * | 2019-04-04 | 2019-06-21 | 山东智翼航空科技有限公司 | 一种姿态自主冗余组合导航算法 |
CN109976141A (zh) * | 2019-04-13 | 2019-07-05 | 成都飞机工业(集团)有限责任公司 | Uav传感器信号余度表决系统 |
CN110567457A (zh) * | 2019-09-09 | 2019-12-13 | 深圳市科卫泰实业发展有限公司 | 一种基于冗余的惯导自检测系统 |
CN111077906A (zh) * | 2019-12-27 | 2020-04-28 | 一飞(海南)科技有限公司 | 一种基于rfid集群内部导航定位系统、方法 |
CN111260751A (zh) * | 2020-01-13 | 2020-06-09 | 南京邮电大学 | 基于多传感器移动机器人的建图方法 |
CN111141286A (zh) * | 2020-03-12 | 2020-05-12 | 江苏蓝鲸智慧空间研究院有限公司 | 一种无人机飞控多传感器姿态置信解算方法 |
CN111351482A (zh) * | 2020-03-19 | 2020-06-30 | 南京理工大学 | 基于误差状态卡尔曼滤波的多旋翼飞行器组合导航方法 |
CN111997881A (zh) * | 2020-08-13 | 2020-11-27 | 优众新能源(深圳)股份有限公司 | 一种用于供水的智能变频恒压控制系统 |
CN112070170A (zh) * | 2020-09-10 | 2020-12-11 | 南京航空航天大学 | 一种动态残差阈值自适应四元数粒子滤波姿态解算数据融合方法 |
Non-Patent Citations (1)
Title |
---|
自适应数字预失真系统的Householder块精确逆QR分解递归最小二乘法;李明玉;等;应用科学学报(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112650281A (zh) | 2021-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112650281B (zh) | 多传感器三余度系统、控制方法、无人机、介质及终端 | |
CN112596535A (zh) | 无人机多传感器三余度飞行控制系统、方法及存储介质 | |
CN107885219B (zh) | 用于监控无人机飞行的飞行监控系统和方法 | |
WO2021057894A1 (zh) | 一种基于车辆零速检测的惯性导航误差修正方法 | |
Guo et al. | Multisensor data-fusion-based approach to airspeed measurement fault detection for unmanned aerial vehicles | |
CN110196049A (zh) | 一种动态环境下四陀螺冗余式捷联惯导系统硬故障检测与隔离方法 | |
CN102819030B (zh) | 基于分布式传感器网络的导航系统完好性监测方法 | |
US20110208473A1 (en) | Method for an improved estimation of an object orientation and attitude control system implementing said method | |
CN113670337B (zh) | 一种用于gnss/ins组合导航卫星缓变故障检测方法 | |
CN114610074B (zh) | 适用于多旋翼无人机的多余度飞控系统及多旋翼无人机 | |
CN109813309A (zh) | 一种六陀螺冗余式捷联惯导系统双故障隔离方法 | |
CN111044051B (zh) | 一种复合翼无人机容错组合导航方法 | |
CN110567457B (zh) | 一种基于冗余的惯导自检测系统 | |
CN106979781A (zh) | 基于分布式惯性网络的高精度传递对准方法 | |
CN102927995A (zh) | 一种在五个陀螺仪配置下的一致性故障诊断方法 | |
Jafari et al. | Inertial navigation accuracy increasing using redundant sensors | |
D'Amato et al. | Fault tolerant low cost IMUS for UAVs | |
Layh et al. | Design for graceful degradation and recovery from GNSS interruptions | |
CN111352433A (zh) | 一种无人机水平姿态角的故障诊断方法 | |
CN115047496A (zh) | 一种用于gnss/ins组合导航卫星同步多故障检测方法 | |
Hall et al. | In-flight parity vector compensation for FDI | |
CN111141286A (zh) | 一种无人机飞控多传感器姿态置信解算方法 | |
CN213987268U (zh) | 一种无人机及多传感器三余度飞行控制装置 | |
CN111551973B (zh) | 一种露天矿无人驾驶惯导系统的故障检测和矫正方法 | |
CN117405109A (zh) | 基于四元数球面线性加权的三套惯导系统姿态表决方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |